Autor/a
Afiliación
Fecha de publicación

1 de septiembre de 2025

🌐 Mapas bivariados: dos variables en un solo mapa

  • Los mapas bivariados permiten visualizar simultáneamente las dos variables analizadas dentro de un mismo espacio geográfico mediante la combinación de colores que indican la intensidad con respecto a la variable en cuestión.

  • Este tipo de mapas es muy útil para detectar patrones de interacción. Podríamos encontrar, por ejemplo, áreas con una alta densidad de población y baja cobertura forestal o áreas con altos ingresos emparejados con altos niveles de contaminación.

  • De este modo, los mapas bivariados permiten interpretar relaciones espaciales complejas que de otro modo requerirían el tedioso estudio de muchos mapas individuales.

🔎 Ejemplo: Clima de Costa Rica



  • En este ejemplo se combinan dos variables climáticas clave: la temperatura media anual (eje horizontal de la paleta de colores) y la precipitación anual (eje vertical).

  • Cada color es el resultado de la mezcla de ambas variables, mostrando de un vistazo cómo se distribuyen distintas condiciones climáticas en el territorio.

  • Así, es posible identificar gradientes de clima y contrastes espaciales que serían más difíciles de interpretar usando mapas separados.

  • En el mapa de ejemplo, se observa que la llanura del Caribe destaca como la zona con mayor temperatura y precipitación, mientras que varias áreas de alta montaña en la Cordillera de Talamanca aparecen con menor temperatura y menor precipitación anual.

  • Este contraste ilustra cómo los mapas bivariados permiten identificar rápidamente patrones climáticos regionales, mostrando en un solo vistazo la interacción entre dos variables clave: temperatura y lluvia.

Para este artículo usé R version 4.5.1 (R Core Team 2025) y los siguientes paquetes de R: tidyverse v. 2.0.0 (Wickham et al. 2019), sf v 1.0.21 (Pebesma 2018), terra v 1.8-60 (Hijmans 2025), crgeo v 1.0.0 (Spínola 2023), biscale v 1.0.0 (Prener, Grossenbacher, y Zehr 2025)

Referencias

Hijmans, Robert J. 2025. terra: Spatial Data Analysis. https://doi.org/10.32614/CRAN.package.terra.
Pebesma, Edzer. 2018. «Simple Features for R: Standardized Support for Spatial Vector Data». The R Journal 10 (1): 439-46. https://doi.org/10.32614/RJ-2018-009.
Prener, Christopher, Timo Grossenbacher, y Angelo Zehr. 2025. biscale: Tools and Palettes for Bivariate Thematic Mapping. https://doi.org/10.32614/CRAN.package.biscale.
R Core Team. 2025. R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing. https://www.R-project.org/.
Spínola, Manuel. 2023. crgeo: Geospatial data of Costa Rica. https://github.com/ManuelSpinola/crgeo.
Wickham, Hadley, Mara Averick, Jennifer Bryan, Winston Chang, Lucy D’Agostino McGowan, Romain François, Garrett Grolemund, et al. 2019. «Welcome to the tidyverse». Journal of Open Source Software 4 (43): 1686. https://doi.org/10.21105/joss.01686.

Cómo citar

BibTeX
@online{spínola2025,
  author = {Spínola, Manuel},
  title = {Mapas Bivariados},
  date = {2025-09-01},
  url = {https://icomvis-geobiolab.netlify.app/contenido/bivariate_map/contenido_bivariate_map.html},
  langid = {es}
}
Por favor, cita este trabajo como:
Spínola, Manuel. 2025. “Mapas Bivariados.” September 1, 2025. https://icomvis-geobiolab.netlify.app/contenido/bivariate_map/contenido_bivariate_map.html.